基于區(qū)域時變聚類采樣機制的物聯(lián)網(wǎng)大數(shù)據(jù)傳輸算法

王 翠，馬鳳娟，崔海亭

基于區(qū)域時變聚類采樣機制的物聯(lián)網(wǎng)大數(shù)據(jù)傳輸算法

*王 翠1，馬鳳娟1，崔海亭2

(1. 濰坊工程職業(yè)學院信息工程系，山東，濰坊 262500；2. 山東體育學院，山東，濟南 10600)

為解決傳統(tǒng)物聯(lián)網(wǎng)大數(shù)據(jù)傳輸算法存在的網(wǎng)絡(luò)鏈路抖動頻繁、傳輸能力受限以及傳輸誤碼率大的不足，提出了一種基于區(qū)域時變聚類采樣機制的物聯(lián)網(wǎng)大數(shù)據(jù)傳輸算法。首先，根據(jù)物聯(lián)網(wǎng)信號發(fā)射中常用的LTE-5G信號特性，采取分信道傳輸及抽樣過濾技術(shù)來實現(xiàn)數(shù)據(jù)傳輸過程中的正交化，消除節(jié)點間因信號頻率相似而導(dǎo)致的干涉現(xiàn)象，提高網(wǎng)絡(luò)數(shù)據(jù)傳輸效率；隨后，幾何聚類機制與能量-閾值映射裁決方法，構(gòu)建了穩(wěn)定聚類采樣方法，利用功率最佳及能量最佳的方式來實現(xiàn)傳輸節(jié)點的篩選，強化傳輸鏈路的穩(wěn)定性能，降低因鏈路抖動而導(dǎo)致誤碼的風險。仿真實驗結(jié)果表明：與常見的超高斯頻率漂移傳輸提升機制（Transmission Mechanism of Super Gauss Frequency Drift Transmission, SGFD-T機制）及拉普拉斯信道濾波傳輸機制Laplasse Channel Filtering Transmission Mechanism，LCF-T機制）相比，所提算法具有更大的上傳帶寬和更低的數(shù)據(jù)采集錯誤率與誤碼率。

；物聯(lián)網(wǎng); 大數(shù)據(jù)傳輸；分信道傳輸；抽樣過濾；穩(wěn)定聚類采樣；鏈路抖動；幾何聚類機制

0 引言

隨著以區(qū)塊鏈2.0技術(shù)為代表的新網(wǎng)絡(luò)技術(shù)的不斷推廣，物聯(lián)網(wǎng)技術(shù)也初步從簡單采樣型逐步朝智能管理型轉(zhuǎn)變，推動著物聯(lián)網(wǎng)部署實踐不斷從數(shù)據(jù)采集向自治-自管-自愈模式轉(zhuǎn)變[1]。此外，隨著以LTE-5G技術(shù)為代表的新無線通信技術(shù)的演進，實踐中也推動物聯(lián)網(wǎng)的數(shù)據(jù)采集及傳輸呈現(xiàn)超帶寬的發(fā)展態(tài)勢；傳統(tǒng)物聯(lián)網(wǎng)大數(shù)據(jù)傳輸算法不僅很難適應(yīng)自治-自管-自愈模式的轉(zhuǎn)型，且難以進一步在節(jié)約傳輸能量的前提下提高數(shù)據(jù)傳輸帶寬[2]。因此采取新的適應(yīng)LTE-5G技術(shù)特點的新傳輸方案，成為物聯(lián)網(wǎng)實際部署中的一個熱點。

為改善當前物聯(lián)網(wǎng)傳輸技術(shù)存在的不足之處，人們提出了一些改善方案，一定程度上解決了實踐中的困難。Syed等[3]提出了一種基于覆蓋采樣度聚類遞歸機制的物聯(lián)網(wǎng)大數(shù)據(jù)傳輸算法，該算法首先基于不同區(qū)域內(nèi)物聯(lián)網(wǎng)節(jié)點與采集數(shù)據(jù)具有相似度的特性，采取匹配機制促進物聯(lián)網(wǎng)節(jié)點與采集環(huán)境的深度融合，且使用無線供能方式降低超帶寬傳輸帶來的功率衰減問題，具有高性能條件下數(shù)據(jù)高速采集的優(yōu)勢；不過該算法由于采用層次模式進行聚類覆蓋及遞歸，分區(qū)機制復(fù)雜，容易導(dǎo)致嚴重的數(shù)據(jù)擁塞現(xiàn)象。Yu等[4]提出了一種基于區(qū)域聯(lián)合采樣機制的物聯(lián)網(wǎng)大數(shù)據(jù)傳輸算法，該算法采取領(lǐng)域節(jié)點旋跳方式實現(xiàn)對相鄰區(qū)域的高密度采樣，具有采樣帶寬高、傳輸性能強的優(yōu)勢，可實現(xiàn)對物聯(lián)網(wǎng)數(shù)據(jù)實現(xiàn)超寬帶一體化采集；不過該算法需要針對相鄰區(qū)域的核心傳輸鏈路進行區(qū)域穩(wěn)定，由于算法中采取旋跳方法來頻繁更換區(qū)域節(jié)點，因此算法的鏈路穩(wěn)定性較差，難以完成復(fù)雜環(huán)境下的物聯(lián)網(wǎng)數(shù)據(jù)的采集。Shao等[5]提出了一種基于鏈路穩(wěn)定性控制機制的物聯(lián)網(wǎng)大數(shù)據(jù)傳輸算法，該算法考慮到傳統(tǒng)算法需要重新采集、重新傳輸，以及輕鏈路控制的弊端，通過在不同區(qū)域內(nèi)設(shè)置備用鏈路中繼節(jié)點的方式，大大減緩了物聯(lián)網(wǎng)大數(shù)據(jù)傳輸過程中存在的鏈路抖動難題，可以實現(xiàn)高強度采集條件下的捂臉鏈路穩(wěn)定，超寬帶傳輸性能優(yōu)越；不過該算法需要以較強功率進行數(shù)據(jù)發(fā)射，存在能量消耗較大的弊端，節(jié)點故障發(fā)生率較高，制約了該算法在實際中的部署。

考慮到傳統(tǒng)機制存在的弊端，本文基于區(qū)域時變聚類采樣機制，提出了一種新的物聯(lián)網(wǎng)大數(shù)據(jù)傳輸算法，該機制主要由區(qū)域時變預(yù)發(fā)射功率提升及穩(wěn)定聚類采樣兩部分構(gòu)成：基于物聯(lián)網(wǎng)節(jié)點的LTE-5G信號特性提出區(qū)域時變預(yù)發(fā)射功率提升方法，采取多徑傳輸模型并使用抽樣及過濾技術(shù)，消除信號間存在的干涉現(xiàn)象，實現(xiàn)了正交狀態(tài)下的數(shù)據(jù)信號的高效傳輸；基于能量-閾值映射裁決的方式并引入聚類機制，提出了穩(wěn)定聚類采樣方法，通過該方法能夠獲取節(jié)點最佳發(fā)射功率及能量，實現(xiàn)節(jié)點的動態(tài)更新，有效增強節(jié)點數(shù)據(jù)傳輸過程中的穩(wěn)定性，提高網(wǎng)絡(luò)傳輸能力。最后使用MATLAB仿真實驗環(huán)境，證明了LDT-RTCS算法的有效性。

1 LDT-RTCS算法設(shè)計

鑒于當前算法存在的不足，本文提出了一種基于區(qū)域時變聚類采樣機制的物聯(lián)網(wǎng)大數(shù)據(jù)傳輸算法（Large Data Transfer Algorithms for Internet of Things Based on Region Time-varying Clustering Sampling Mechanism，LDT-RTCS算法），該算法主要針對當前物聯(lián)網(wǎng)節(jié)點發(fā)射功率受限及鏈路抖動控制較差的不足，構(gòu)建了區(qū)域時變預(yù)發(fā)射功率提升方法及聚類采樣穩(wěn)定方法：通過區(qū)域時變預(yù)發(fā)射功率提升方法，增強算法采集數(shù)據(jù)過程中對環(huán)境噪聲的抗噪性能，提升數(shù)據(jù)傳輸過程中的準確度；通過聚類采樣穩(wěn)定方法，實現(xiàn)區(qū)域節(jié)點自適應(yīng)調(diào)節(jié)，降低因數(shù)據(jù)擁塞導(dǎo)致的算法崩潰現(xiàn)象，進一步改善算法的數(shù)據(jù)傳輸性能。詳情如下：

1.1 區(qū)域時變預(yù)發(fā)射功率提升方法

常見的物聯(lián)網(wǎng)均使用無線傳輸技術(shù)進行數(shù)據(jù)采樣及傳輸，為提高傳輸帶寬，一般采用5.12GHZ的超高頻LTE-5G信號[6]；傳輸鏈路采用多信道傳輸模型，即物聯(lián)網(wǎng)節(jié)點在進行點對點通信時，均按照頻譜分割的方式劃分為若干個子載波，并通過子載波方式進行數(shù)據(jù)發(fā)射；接收節(jié)點在進行數(shù)據(jù)接收時，也采用相同的方法進行數(shù)據(jù)接收，從而實現(xiàn)了數(shù)據(jù)的點對點傳輸[7]。

其中，b表示信道加密因子，一般為散列隨機變換[8]；a表示節(jié)點當前的發(fā)射功率；()為時變因子，可通過如下模型獲?。?/p>

聯(lián)立模型（1）-（3）可得：

相關(guān)參數(shù)同模型（1）-（3）。

當sink節(jié)點接收到模型（4）所示的信號時，由于需要與信號發(fā)射過程中進行一一匹配，該過程是發(fā)射的逆過程，因此需要等時段抽樣。因此，對該信號進行等時段抽樣得到經(jīng)過穩(wěn)定后的數(shù)據(jù)信號為：

顯然，對于任意不同的節(jié)點而言，模型（5）所示的信號必定處于互不干涉狀態(tài)，即：

按照模型（5）所示進行數(shù)據(jù)采集，并按照模型（2）進行數(shù)據(jù)傳輸，即可完全消除信道噪聲對數(shù)據(jù)的干擾，改善物聯(lián)網(wǎng)處于高頻發(fā)射環(huán)境時容易因頻率漂移而導(dǎo)致鏈路抖動的風險。

圖1 區(qū)域時變預(yù)發(fā)射功率提升方法

1.2 聚類采樣穩(wěn)定方法

實際部署中，考慮到物聯(lián)網(wǎng)節(jié)點均需要通過區(qū)域分割機制進行區(qū)域采集及傳輸，因此需要通過一定的方式進行區(qū)域分割[10]。LDT-RTCS算法擬根據(jù)能量-功率閾值方式進行強度篩選，并依據(jù)能量最佳原則進行聚類，以便實現(xiàn)數(shù)據(jù)采樣過程中的鏈路穩(wěn)定，詳細步驟如下：

Step 2 ：對模型（1）進行能量采樣，獲取最大的能量發(fā)射系數(shù)；該系數(shù)獲取方式如下：

相關(guān)參數(shù)同模型（1）。

其中表示聚類收斂時間函數(shù)，一般為拉普拉斯變量[11]；mod()表示模函數(shù)。

Step 5 ：當僅當聚類當前能量低于模型（10）所示時，再次啟動Step 1~Step 2 ；算法結(jié)束。

圖2 聚類采樣穩(wěn)定方法

2 仿真實驗

為驗證LDT-RTCS算法的性能，使用MATLAB仿真環(huán)境，將超高斯頻率漂移傳輸提升機制[12](Transmission Mechanism of Super Gauss Frequency Drift Transmission,SGFD-T機制)，拉普拉斯信道濾波傳輸機制[13](Laplasse Channel Filtering Transmission Mechanism，LCF-T機制)作為對照組，評估指標為：最大上傳帶寬、數(shù)據(jù)采集錯誤率、鏈路抖動頻率和誤碼率四個指標。仿真參數(shù)表如下：

表1 仿真參數(shù)表

2.1 最大上傳帶寬

圖3顯示了LDT-RTCS算法與SGFD-T機制、LCF-T機制在節(jié)點個數(shù)不斷增加時的最大上傳帶寬測試結(jié)果。由圖可知，隨著節(jié)點個數(shù)的不斷增加，最大上傳帶寬也不斷增加，這主要是因為上傳帶寬為各個節(jié)點采集數(shù)據(jù)的總和，因此隨著個數(shù)的增加而增加。但是，LDT-RTCS算法的最大上傳帶寬始終處于顯著的優(yōu)勢，且波動較少，原因是LDT-RTCS算法針對采集節(jié)點存在的采集抖動問題，構(gòu)建了區(qū)域時變預(yù)發(fā)射功率提升方法，能夠降低數(shù)據(jù)采集過程中因環(huán)境噪聲而造成的鏈路抖動，提高了傳輸性能，且能夠使用聚類采樣穩(wěn)定方法進一步調(diào)節(jié)區(qū)域內(nèi)采集節(jié)點的上傳性能，減緩超帶寬傳輸過程中的數(shù)據(jù)擁塞，因此，LDT-RTCS算法上傳帶寬較高。SGFD-T機制采用單純?yōu)V波方式進行環(huán)境噪聲消除，雖然能夠在一定程度上減緩環(huán)境噪聲造成的鏈路抖動難題，然而由于該算法沒有針對節(jié)點采集性能進行傳輸優(yōu)化，因此在上傳帶寬性能的提升上并不顯著。LCF-T機制雖然在SGFD-T機制進一步針對信道噪聲干擾進行了適應(yīng)性傳輸，且能夠在節(jié)點失效時進一步降低因節(jié)點失效而導(dǎo)致的鏈路擁塞現(xiàn)象，然而，該算法僅采取主備模式進行節(jié)點切換，當數(shù)據(jù)傳輸量較大時容易導(dǎo)致網(wǎng)絡(luò)擁塞；因此在上傳帶寬性能上要差于LDT-RTCS算法。

圖3 最大上傳帶寬

2.2 數(shù)據(jù)采集錯誤率

圖4顯示了LDT-RTCS算法與SGFD-T機制、LCF-T機制在節(jié)點個數(shù)不斷增加時數(shù)據(jù)采集錯誤率測試結(jié)果。顯然，LDT-RTCS算法的數(shù)據(jù)采集率始終較低，具有顯著的優(yōu)勢。這是由于LDT-RTCS算法先后構(gòu)建了區(qū)域時變預(yù)發(fā)射功率提升方法和聚類采樣穩(wěn)定方法，能夠綜合從節(jié)點采集及鏈路穩(wěn)定兩個維度同時對數(shù)據(jù)傳輸性能進行穩(wěn)定，特別是在聚類采樣穩(wěn)定方法中能夠直接采用能量-功率閾值進行最佳傳輸節(jié)點的選取，最大限度地降低了因鏈路抖動而導(dǎo)致的數(shù)據(jù)采集錯誤現(xiàn)象的發(fā)生。SGFD-T機制與LCF-T機制由于在鏈路抖動性能上差于LDT-RTCS算法，容易發(fā)生因鏈路抖動而帶來的數(shù)據(jù)采集錯誤問題，因此在數(shù)據(jù)采集錯誤率性能上，LDT-RTCS算法的優(yōu)勢明顯。

圖4 數(shù)據(jù)采集錯誤率

2.3 鏈路抖動頻率

圖5直觀地顯示了LDT-RTCS算法與SGFD-T機制、LCF-T機制在鏈路抖動性能測試結(jié)果。顯然LDT-RTCS算法對應(yīng)的鏈路抖動頻率要顯著低于對照組機制。這是由于LDT-RTCS算法能夠在節(jié)點采集及鏈路穩(wěn)定兩個維度上最大限度的提高物聯(lián)網(wǎng)的傳輸性能，不但能夠提高節(jié)點采集效率，而且能大幅度降低鏈路抖動的發(fā)生，因此鏈路抖動頻率較低。SGFD-T機制沒有專門對鏈路抖動問題進行處理，僅采取頻率消除的方式降低數(shù)據(jù)信號與信道噪聲之間的干涉現(xiàn)象，因此鏈路抖動問題難以減緩；LCF-T機制雖然能夠在傳輸節(jié)點失效時進行主備切換，然而并未針對節(jié)點的性能進行匹配，因此解決鏈路抖動問題的力度上要差于LDT-RTCS算法，導(dǎo)致鏈路抖動頻率較高。

圖5 鏈路抖動頻率

2.4 誤碼率

圖6為LDT-RTCS算法與SGFD-T機制、LCF-T機制在誤碼率測試結(jié)果。由圖可知，LDT-RTCS算法的誤碼率很低，且波動幅度較為緩和。這是由于LDT-RTCS算法在鏈路穩(wěn)定性能上具有卓越的優(yōu)勢，數(shù)據(jù)傳輸過程中發(fā)生抖動的概率較低，特別是LDT-RTCS算法構(gòu)建了聚類采樣穩(wěn)定方法，能夠深入傳輸節(jié)點層次進行能量-功率閾值裁決，降低了因節(jié)點失效而導(dǎo)致誤碼率的概率，因而誤碼率較低；SGFD-T機制單純采取基于頻率干涉消除信道噪聲影響，并未考慮傳輸節(jié)點本身失效的情況下導(dǎo)致的誤碼現(xiàn)象，因而誤碼率較高；LCF-T機制僅采取單純的主備切換模式，難以利用性能最佳的傳輸節(jié)點進行數(shù)據(jù)傳輸，鏈路抖動發(fā)生的概率較大，誤碼率性能上難以與LDT-RTCS算法相匹。

圖6 誤碼率

3 結(jié)束語

針對當前常用的物聯(lián)網(wǎng)大數(shù)據(jù)傳輸算法存在的不足，提出了一種基于區(qū)域時變聚類采樣機制的物聯(lián)網(wǎng)大數(shù)據(jù)傳輸算法。該機制主要由區(qū)域時變預(yù)發(fā)射功率提升方法以及聚類采樣穩(wěn)定方法兩部分所構(gòu)成，能夠顯著提升網(wǎng)絡(luò)的抗噪性能，降低傳輸過程中的誤碼現(xiàn)象，增強傳輸帶寬，改善因超帶寬傳輸而導(dǎo)致的算法崩潰現(xiàn)象，具有較好的數(shù)據(jù)傳輸性能。

下一步，將針對LDT-RTCS算法僅能適用于固定節(jié)點的物聯(lián)網(wǎng)部署場景的不足，擬引入流動性一體化映射機制，解決移動物聯(lián)網(wǎng)條件下網(wǎng)絡(luò)拓撲及鏈路存在嚴重抖動的問題，進一步提高LDT-RTCS算法對復(fù)雜物聯(lián)網(wǎng)環(huán)境的適應(yīng)性能。

[1] 劉小輝,王力虎. 基于模糊控制的無線傳感網(wǎng)絡(luò)路由算法研究[J].井岡山大學學報:自然科學版,2017,38(04): 62-66.

[2] Sarwesh P, Shekar V, Shet K. Chandrasekaran. ETRT-Cross Layer Model for Optimizing Transmission Range of Nodes in Low Power Wireless Networks,An Internet of Things Perspective[J]. Physical Communication,2018,12(1):56-71.

[3] Syed H A, Shalli R. A Hybrid Approach, Smart Street Use Case and Future Aspects for Internet of Things in Smart Cities[J]. Future Generation Computer Systems, 2018(79):941-951.

[4] Yu C N, Wei L, Wei B. A Dynamic Tradeoff Data Processing Framework for Delay-Sensitive Applications in Cloud of Things systems[J]. Journal of Parallel and Distributed Computing,2018,112(4):53-66.

[5] Shao J W, Chuan H H, Xi C. Energy-Efficient and Delay-aware Distributed Routing with Cooperative Transmission for Internet of Things[J]. Journal of Parallel and Distributed Computing,2018,118(2):46-56.

[6] Khizar H, Abid K, Mansoor A. Towards a Formally Verified Zero Watermarking Scheme for Data Integrity in the Internet of Things Based-wireless Sensor Networks[J]. Future Generation Computer Systems,2018,82(17): 274-289.

[7] Dan X, Wen l J, Zhuang Y. Enabling Robust and Reliable Transmission in Internet of Things with Multiple Gateways[J]. Computer Networks,2018,146(11):183-199.

[8] Chen W, Jian S, Qi L. A Novel Security Scheme Based on Instant Encrypted Transmission for Internet of Things[J]. Security and Communication Networks, 2018 (7): 66-72.

[9] Lian M S, Yi H W. Secure Data Delivery with Linear Network Coding for Multiple Multicasts with Multiple Streams in Internet of Things[J]. Security and Communication Networks,2018(12):117-126.

[10] Yang X, Wang L, Xie J, et al. Cross-layer Model Design in Wireless Ad-Hoc Networks for the Internet of Things.[J]. PloS one,2018,13(5):196-214.

[11] Min R W,Yan H W,Xiao L, et al. Learning-Based Synchronous Approach from Forwarding Nodes to Reduce the Delay for Industrial Internet of Things[J]. EURASIP Journal on Wireless Communications and Networking,2018(1):1-22.

[12] Rahman H, Ahmed H. A QoS-Aware Hybrid Data Aggregation Scheme for Internet of Things[J]. Annals of Telecommunications,2018,73(7-8):475-486.

[13] Ying G, Qing H H, Jin X W, et al. Energy-Aware Localization Algorithm for Ocean Internet of Things[J]. Sensor Review,2018,38(2):129-136.

Large Data Transmission Algorithm of Internet of things Based on Regional Time Varying Clustering Sampling Mechanism

*WANG Cui1, MA Feng-juan1, CUI Hai-ting2

(1. Department of Information Engineering, Weifang Vocational College of Engineering, Weifang, Shandong 262500, China;2. Shandong Institute of Physical Education, Shandong, Jinan10600, China)

In order to solve the shortcomings of the traditional large data transmission algorithm of the Internet of Things, such as frequent link jitter, limited transmission capacity, high switching delay of nodes, and high transmission error rate, a large data transmission algorithm of the Internet of Things based on region time-varying clustering sampling mechanism is proposed. Firstly, according to the characteristics of LTE-5G signal commonly used in the signal transmission of the Internet of Things, sub-channel transmission and sampling filtering technology are adopted to realize the orthogonalization of transmission process, eliminate the interference phenomenon caused by signal frequency similarity between nodes, and improve the efficiency of network data transmission. Then, this paper constructs the clustering sampling stabilization process basing on clustering mechanism and energy-threshold mapping. And the transmission nodes are screened by the best power and energy mode, which greatly strengthens the stability performance of the transmission link and reduces the risk of error caused by link jitter. The simulation results show that compared with the common SGFD-T mechanism LCF-T mechanism, this algorithm has larger upload bandwidth, as well as lower data acquisition error rate and bit error rate.

Internet of things; large data transfer; sub-channel transmission; sampling and filtering; stable clustering sampling; link jitter; geometric clustering mechanism

TP393.04

A

10.3969/j.issn.1674-8085.2019.05.007

1674-8085(2019)05-0034-06

2019-01-28；

2019-05-13

*王 翠(1982-)，女，山東泰安人，講師，碩士，主要從事大數(shù)據(jù)、物聯(lián)網(wǎng)、數(shù)字媒體技術(shù)等方面的研究(E-mail:wangc822@sina.com);

馬鳳娟(1975-)，女，山東濰坊人，學士，副教授，主要從事計算機圖像、多媒體技術(shù)、數(shù)據(jù)庫等方面的研究(E-mail:juanfm@tom.com);

崔海亭(1983-)，男，山東臨沂人，講師，碩士，主要從事大數(shù)據(jù)、虛擬現(xiàn)實等方面的研究(E-mail:ChaiTg1983dt@126.com).